softmax回归的简洁实现
🏷sec_softmax_concise
内容主要参考链接: http://zh-v2.d2l.ai/chapter_linear-networks/softmax-regression-concise.html
在 :numref:sec_linear_concise
中,
我们发现(通过深度学习框架的高级API能够使实现)
(softmax)
线性(回归变得更加容易)。
同样,通过深度学习框架的高级API也能更方便地实现softmax回归模型。
本节如在 :numref:sec_softmax_scratch
中一样,
继续使用Fashion-MNIST数据集,并保持批量大小为256。
import torch
from torch import nn
from d2l import torch as d2l
batch_size = 256
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size)
初始化模型参数
如我们在 :numref:sec_softmax
所述,
[softmax回归的输出层是一个全连接层]。
因此,为了实现我们的模型,
我们只需在Sequential
中添加一个带有10个输出的全连接层。
同样,在这里Sequential
并不是必要的,
但它是实现深度模型的基础。
我们仍然以均值0和标准差0.01随机初始化权重。
# PyTorch不会隐式地调整输入的形状。因此,
# 我们在线性层前定义了展平层(flatten),来调整网络输入的形状
net = nn.Sequential(nn.Flatten(), nn.Linear(784, 10))
def init_weights(m):
if type(m) == nn.Linear:
nn.init.normal_(m.weight, std=0.01)
net.apply(init_weights);
重新审视Softmax的实现
🏷subsec_softmax-implementation-revisited
在前面 :numref:sec_softmax_scratch
的例子中,
我们计算了模型的输出,然后将此输出送入交叉熵损失。
从数学上讲,这是一件完全合理的事情。
然而,从计算角度来看,指数可能会造成数值稳定性问题。
回想一下,softmax函数
y
^
j
=
exp
(
o
j
)
∑
k
exp
(
o
k
)
\hat y_j = \frac{\exp(o_j)}{\sum_k \exp(o_k)}
y^j=∑kexp(ok)exp(oj),
其中
y
^
j
\hat y_j
y^j是预测的概率分布。
o
j
o_j
oj是未规范化的预测
o
\mathbf{o}
o的第
j
j
j个元素。
如果
o
k
o_k
ok中的一些数值非常大,
那么
exp
(
o
k
)
\exp(o_k)
exp(ok)可能大于数据类型容许的最大数字,即上溢(overflow)。
这将使分母或分子变为inf
(无穷大),
最后得到的是0、inf
或nan
(不是数字)的
y
^
j
\hat y_j
y^j。
在这些情况下,我们无法得到一个明确定义的交叉熵值。
解决这个问题的一个技巧是:
在继续softmax计算之前,先从所有
o
k
o_k
ok中减去
max
(
o
k
)
\max(o_k)
max(ok)。
你可以看到每个
o
k
o_k
ok按常数进行的移动不会改变softmax的返回值:
y ^ j = exp ( o j − max ( o k ) ) exp ( max ( o k ) ) ∑ k exp ( o k − max ( o k ) ) exp ( max ( o k ) ) = exp ( o j − max ( o k ) ) ∑ k exp ( o k − max ( o k ) ) . \begin{aligned} \hat y_j & = \frac{\exp(o_j - \max(o_k))\exp(\max(o_k))}{\sum_k \exp(o_k - \max(o_k))\exp(\max(o_k))} \\ & = \frac{\exp(o_j - \max(o_k))}{\sum_k \exp(o_k - \max(o_k))}. \end{aligned} y^j=∑kexp(ok−max(ok))exp(max(ok))exp(oj−max(ok))exp(max(ok))=∑kexp(ok−max(ok))exp(oj−max(ok)).
在减法和规范化步骤之后,可能有些
o
j
−
max
(
o
k
)
o_j - \max(o_k)
oj−max(ok)具有较大的负值。
由于精度受限,
exp
(
o
j
−
max
(
o
k
)
)
\exp(o_j - \max(o_k))
exp(oj−max(ok))将有接近零的值,即下溢(underflow)。
这些值可能会四舍五入为零,使
y
^
j
\hat y_j
y^j为零,
并且使得
log
(
y
^
j
)
\log(\hat y_j)
log(y^j)的值为-inf
。
反向传播几步后,我们可能会发现自己面对一屏幕可怕的nan
结果。
尽管我们要计算指数函数,但我们最终在计算交叉熵损失时会取它们的对数。
通过将softmax和交叉熵结合在一起,可以避免反向传播过程中可能会困扰我们的数值稳定性问题。
如下面的等式所示,我们避免计算
exp
(
o
j
−
max
(
o
k
)
)
\exp(o_j - \max(o_k))
exp(oj−max(ok)),
而可以直接使用
o
j
−
max
(
o
k
)
o_j - \max(o_k)
oj−max(ok),因为
log
(
exp
(
⋅
)
)
\log(\exp(\cdot))
log(exp(⋅))被抵消了。
log ( y ^ j ) = log ( exp ( o j − max ( o k ) ) ∑ k exp ( o k − max ( o k ) ) ) = log ( exp ( o j − max ( o k ) ) ) − log ( ∑ k exp ( o k − max ( o k ) ) ) = o j − max ( o k ) − log ( ∑ k exp ( o k − max ( o k ) ) ) . \begin{aligned} \log{(\hat y_j)} & = \log\left( \frac{\exp(o_j - \max(o_k))}{\sum_k \exp(o_k - \max(o_k))}\right) \\ & = \log{(\exp(o_j - \max(o_k)))}-\log{\left( \sum_k \exp(o_k - \max(o_k)) \right)} \\ & = o_j - \max(o_k) -\log{\left( \sum_k \exp(o_k - \max(o_k)) \right)}. \end{aligned} log(y^j)=log(∑kexp(ok−max(ok))exp(oj−max(ok)))=log(exp(oj−max(ok)))−log(k∑exp(ok−max(ok)))=oj−max(ok)−log(k∑exp(ok−max(ok))).
我们也希望保留传统的softmax函数,以备我们需要评估通过模型输出的概率。
但是,我们没有将softmax概率传递到损失函数中,
而是[在交叉熵损失函数中传递未规范化的预测,并同时计算softmax及其对数],
这是一种类似"LogSumExp技巧"的聪明方式。
loss = nn.CrossEntropyLoss(reduction='none')
优化算法
在这里,我们(使用学习率为0.1的小批量随机梯度下降作为优化算法)。
这与我们在线性回归例子中的相同,这说明了优化器的普适性。
trainer = torch.optim.SGD(net.parameters(), lr=0.1)
训练
接下来我们[调用] :numref:sec_softmax_scratch
中(之前)
(定义的训练函数来训练模型)。
num_epochs = 10
d2l.train_ch3(net, train_iter, test_iter, loss, num_epochs, trainer)
和以前一样,这个算法使结果收敛到一个相当高的精度,而且这次的代码比之前更精简了。
小结
- 使用深度学习框架的高级API,我们可以更简洁地实现softmax回归。
- 从计算的角度来看,实现softmax回归比较复杂。在许多情况下,深度学习框架在这些著名的技巧之外采取了额外的预防措施,来确保数值的稳定性。这使我们避免了在实践中从零开始编写模型时可能遇到的陷阱。
练习
- 尝试调整超参数,例如批量大小、迭代周期数和学习率,并查看结果。
- 增加迭代周期的数量。为什么测试精度会在一段时间后降低?我们怎么解决这个问题?
答:可能出现过拟合现象,若测试精度在一段时间内一直下降,那么可以在合适的位置中断训练防止过拟合。